簡介：通過本文的學習，您可以增加一些有用的設計實際正則表達式 (regexp) 的技能。構建正則表 達式是任何管理員日常工作中的一部分。為了構造返回所需條件的成功正則表達式，需要學習以模式匹配 的角度進行思考，而這種技能需要花大量的時間進行練習。
引言
UNIX® 管理員每天都需要構建和使用正則表達式 (regexp) 進行文本模式匹配。大多數語言都支 持正則表達式的某種實現。有的應用程序（如 EMACS）具有正則表達式搜索功能，並且您可以通過各種命 令行工具使用正則表達式。無論什麼應用程序，構建正確的正則表達式的關鍵之處在於，識別僅滿足需要 匹配的數據的模式，以便在輸入中排除其他不必要的內容。
出於這個目的，本文將逐步介紹幾種正則表達式模式構建技巧，並介紹它們如何幫助您完成各種常規 任務。
使用正則表達式 (regexp)
除非特別說明，否則本文中使用的示例都是擴展可移植操作系統接口（擴展 POSIX）的正則表達式。 如果通過命令行（如使用 egrep 實用工具）使用它們，您應該根據需要引用各種正則表達式。請記住， 不同的正則表達式實現之間存在一些區別，您可能不得不適應所使用的特定的工具、應用程序或語言中的 具體實現。
匹配整行內容
^ 元字符匹配行首，而 $ 匹配行尾，如果將它們組合在一起（如 ^$），它們將匹配空行。（這個表 達式的鏡像，即 $^，是不可能匹配成功的，它將永遠 都無法匹配到有效行。）這個基本的正則表達式是 許多復雜正則表達式的基礎，如果您還不習慣使用這個基本的正則表達式，那麼您應該逐步養成使用它的 習慣。使用它來構建匹配整行內容 的模式。
在用戶字典文件 (/usr/dict/words) 中搜索是一個很好的基本模式。（有些版本的 UNIX 將用戶字典 放在 /usr/share/dict/words 中。）
例如，假設您忘記了如何拼寫單詞 fuchsia。其中是否包含 sh 或 cs 呢？您所知道的只是，它以 fu 開頭並以 ia 結尾。
嘗試使用這個模式進行搜索：
$ egrep -i '^fu.*ia$' /usr/dict/words
-i 標志表示在搜索過程中不區分大小寫。在這個示例中，因為 fuchsia 拼寫正確，所以在返回的單 詞中包括這個單詞。
根據長度匹配行
使用大括號元字符 ({ }) 指定前面的正則表達式匹配多少次，如表 1 所示。當您將它們添加到剛才 介紹的整行搜索中時，您可以指定行的長度。
表 1. 大括號元字符的含義
示例描述
{X} 這個字符對前面的正則表達式匹配 X 次。 {X,} 這個字符對前面的正則表達式匹配 X 或更多 次。 {X,Y} 這個字符對前面的正則表達式匹配至少 X 而不超過 Y 次。並不是所有擴展正則表達式的實現都支持大括號。此外，根據具體的實現，您可能需要先使用反斜槓 對其進行轉義。
您可以使用這個正則表達式得到字典中以單詞長度為順序的報告。所獲得結果的數目取決於本地系統 的字典文件中單詞的數目，然而，它應該與清單 1 所示類似。在這個示例中，最常見的單詞長度是 9 個 字母，該字典中有 32,380 個匹配單詞。該字典中不包括 25 個字母或更長的單詞，並且最長的單詞並不 是您認為的 21 個字母長的 disestablishmentarian（有 81 個同樣長度的單詞，包括 superincomprehensible 和 phoneticohieroglyphic），這個 UNIX 字典中最長的單詞有 5 個，包括 pathologicopsychological。
清單 1. 計算字典中 X 個字母的單詞的個數
$ for i in `seq 1 32`
> {
> echo "There are" `egrep '^.{'$i'}$' /usr/dict/words \
| wc -l` "$i-letter words in the dictionary."
> }
There are 52 1-letter words in the dictionary.
There are 155 2-letter words in the dictionary.
There are 1351 3-letter words in the dictionary.
There are 5110 4-letter words in the dictionary.
There are 9987 5-letter words in the dictionary.
There are 17477 6-letter words in the dictionary.
There are 23734 7-letter words in the dictionary.
There are 29926 8-letter words in the dictionary.
There are 32380 9-letter words in the dictionary.
There are 30867 10-letter words in the dictionary.
There are 26011 11-letter words in the dictionary.
There are 20460 12-letter words in the dictionary.
There are 14938 13-letter words in the dictionary.
There are 9762 14-letter words in the dictionary.
There are 5924 15-letter words in the dictionary.
There are 3377 16-letter words in the dictionary.
There are 1813 17-letter words in the dictionary.
There are 842 18-letter words in the dictionary.
There are 428 19-letter words in the dictionary.
There are 198 20-letter words in the dictionary.
There are 82 21-letter words in the dictionary.
There are 41 22-letter words in the dictionary.
There are 17 23-letter words in the dictionary.
There are 5 24-letter words in the dictionary.
There are 0 25-letter words in the dictionary.
There are 0 26-letter words in the dictionary.
There are 0 27-letter words in the dictionary.
There are 0 28-letter words in the dictionary.
There are 0 29-letter words in the dictionary.
There are 0 30-letter words in the dictionary.
There are 0 31-letter words in the dictionary.
There are 0 32-letter words in the dictionary.
$
匹配單詞
圍繞字符 \< 和 \> 是非常有用的模式構造器：它們將要匹配的整個單詞 括起來，這表示，它 們不會匹配帶括號的模式，除非該模式本身就是一個單詞。單詞 定義為兩側由非單詞字符描述的、任意 數目組成單詞的字符（數字、字母和下劃線字符）。非單詞字符包括下面的所有字符：
行首
空白字符
標點符號
行尾
任何除字母、數字或下劃線以外的字符
這些圍繞字符可以節省大量的時間，但是它們常常沒有被充分地利用，可能是因為並非所有的正則表 達式實現都支持它們。如果您的正則表達式實現支持它們，那麼您應該逐步養成使用它們的習慣。
將需要單獨匹配的單詞括起來，如下所示：
\<system\>
這個示例中的正則表達式不會匹配單詞 ecosystem、systemic 或 system/70，也不會匹配模式 system 出現在行中任意位置的那些行，它將僅僅 匹配 system 作為獨立的單詞出現的那些行。
圍繞字符與圓括號中的分組結合在一起，可以用來匹配部分 單詞。
要匹配包含以 pre 開頭 的單詞的那些行，可以使用：
\<\(pre\).*\>
前面的示例將匹配包含單詞 preface 和 preposterous 的行，但不會匹配 spread 或 Dupre。
匹配重復單詞
這裡介紹一種使用單詞圍繞字符匹配重復單詞的快速方法，重復單詞表示一個單詞在空格之後再次出 現。您還可以使用逆向引用，這是大多數流行的正則表達式實現中的一種遞歸特性，它可以匹配模式本身 的某一部分。（將模式中需要引用的部分使用圓括號括起來，然後使用反斜槓加上需要進行引用的圍繞字 符編號來調用逆向引用：1 表示第一個圓括號分組，2 表示第二個圓括號分組，依此類推。）
要查找重復的單詞，搜索在任意數目的空格之後再次出現該單詞的情況，可以通過對第一個使用圓括 號的部分進行逆向引用來實現：
(\<.*\>)( )+\1
這個示例匹配縮寫形式和任何類型的單詞，但是它不會匹配由標點符號分隔的重復單詞，如 It's been a long, long time。
要匹配所有的重復單詞，包括由空格和 任意標點符號分隔的重復單詞，可以使用下面的表達式：
(\<.*\>).?( )+\1
如果需要對這些正則表達式使用 grep，則務必使用 -i 標志，以便在搜索中不區分大小寫。
匹配小時
讓我們再來看另外一類常見的問題：時間和日期。這裡介紹了一些設計匹配正確模式的正則表達式所 需要考慮的事項。
您無法搜索任何兩位的數字來匹配分鐘和秒，因為它們僅僅是從 0 到 59，要匹配它們，您需要使用 方括號將表示十位和個位的范圍括起來：
要匹配標准的 12 或 24 小時格式的小時，可以使用下面的表達式：
(([0-1]?[0-9])|([2][0-3])):([0-5][0-9])(:[0-5][0-9])?
要匹配 12 小時 AM/PM 格式、帶或不帶秒數的時間，甚至匹配大寫或小寫、不帶後綴 AM 或 PM 標識 符的時間，可以使用下面的表達式：
([^0-9])([0-1]?[0-9]){1}(((:([0-5]){1}([0-9]){1}){1,2})|(( )?([AP]M)|([ap] m)))?
如果在上一個示例中沒有開始的否定語句，它將匹配不帶冒號的時間，這將取決於輸入數據，可能會 匹配中波廣播電台（在美國稱為調幅 AM 電台），如 1450 AM。
匹配月份
匹配 12 個月中的任何月份需要一個使用 | 操作符進行分隔的列表，但有時會使用不同的方式對日期 進行縮寫：
要查找完整拼寫或三字母縮寫的 12 個月份，可以使用下面的表達式（位於一行）：
Jan(uary)?|Feb(uary)?|Mar(ch)?|Apr(il)?|May|Jun(e)?|Jul(y)?|
Aug(ust)?|Sep(tember)?|Oct(ober)?|Nov(ember)?|Dec(ember)?
您可以加以想象並搜索完整拼寫或三字母縮寫的變形，即僅當後面緊跟著一個空格或點號的情況，可 以使用下面的表達式（位於一行）：
Jan(uary| |\.)|Feb(uary| |\.)|Mar(ch| |\.)|Apr(il| |\.)|May( |\.)|Jun(e| |\.) |Jul(y| |\
.)|Aug(ust| |\.)|Sep(tember| |\.)|Oct(ober| |\.)|Nov(ember| |\.)|Dec(ember| |\.)
請注意，在上面的這兩個示例中，May 是一個特殊的例外。在所有的月份中，它是唯一的完整拼寫與 三字母縮寫相同的月份，所以成功的匹配必須包含這兩種變形中的任何一種 作為其縮寫，因此像 “Mayflower”這樣的單詞不會導致誤報。
當匹配模式前面的字符不是空格或行首時，這些示例還是會失敗（返回誤報的結果）。這不太可能會 出現在英語散文中，但是可能出現在程序源代碼中，因為其中可能使用了像 NumOct 這樣的變量名。
要修復這些問題，可以執行下面的操作：
使用圓括號將整個正則表達式括起來，並在它的前面加上另一個限定符，用於匹配行首或者空格字符 ，如下所示（位於一行）：
(^| )(Jan(uary| |\.)|Feb(uary| |\.)|Mar(ch| |\.)|Apr(il| |\.)|
May( |\.)|Jun(e| |\.)|Jul(y| |\.)|Aug(ust| |\.)|Sep(tember| |
\.)|Oct(ober| |\.)|Nov(ember| |\.)|Dec(ember| |\.))
另一種完成這個任務的方法是，在該正則表達式的前面加上一個限定符，以匹配非文字數字的字符， 如下所示（位於一行）：
([^A-Za-z0-9])(Jan(uary| |\.)|Feb(uary| |\.)|Mar(ch| |\.)|
Apr(il| |\.)|May( |\.)|Jun(e| |\.)|Jul(y| |\.)|Aug(ust| |\.)|
Sep(tember| |\.)|Oct(ober| |\.)|Nov(ember| |\.)|Dec(ember| |\.))
但是仍然存在潛在的問題，對於搜索整篇英文散文，這些示例並不可靠，因為它們可能返回錯誤的匹 配結果，如“Janelle”或“Augury”這樣的單詞。要修復這個問題，您必須使用 單詞圍繞字符將每個月份括起來。
本文開頭提到，正確的正則表達式應該僅返回需要匹配的數據，以便在輸入中排除其他不必要的內容 。這種措詞是經過仔細考慮的，因為對於構建正則表達式來說，這與上下文有關。對於有些情況，前面的 示例非常適合，無需添加額外的單詞圍繞字符。在其他的情況下，可以對其進行相當程度的簡化，例如， 如果您正在搜索僅包含大寫的日期數值數據的日志文件，那麼只需要使用像 [A-S] 這樣的正則表達式來 匹配包含月份名稱的行。
匹配日期
您可以結合一些表 1 所示的數量匹配來匹配日期。
要匹配“month, day, years”，可以使用下面的正則表達式（因為撇號字符是該正則表達 式的一部分，所以必須使用雙引號將它括起來，如下所示）：
"[A-Za-z]{3,10}\.? [0-9]{1,2}, ([0-9]{4}|'?[0-9]{2})"
這個正則表達式匹配 9 種不同的日期格式：
MONTH [D]D, YY
MONTH [D]D, 'YY
MONTH [D]D, YYYY
MON. [D]D, YY
MON. [D]D, 'YY
MON. [D]D, YYYY
MON [D]D, YY
MON [D]D, 'YY
MON [D]D, YYYY
這個正則表達式的誤報包括“Order 99, 99”，要消除這些誤報，可以將這個正則表達式 與用於月份的正則表達式結合起來，如上所述，以便能夠僅匹配實際的月份名稱。另外，更改數值范圍以 避免錯誤的匹配，並且通過使逗號成為可選項，重復了 18 種可能的格式。
這將得到一個很長的正則表達式。嘗試下面的表達式：
"([^A-Za-z0-9])(Jan(uary| |\.)|Feb(uary| |\.)|Mar(ch| |\.)|
Apr(il| |\.)|May( |\.)|Jun(e| |\.)|Jul(y| |\.)|Aug(ust| |\.)|
Sep(tember| |\.)|Oct(ober| |\.)|Nov(ember| |\.)|
Dec(ember| |\.)) [0-3]?[0-9]{1}(,)? ([0-9]{4}|'?[0-9]{2})"
同樣，根據您的需要仔細設計正則表達式。匹配模式通常比較容易，這是因為它存在於特定輸入的上 下文中，而不是因為它可能獨立於數據集而存在。後代人將會發現，前面那個很長的正則表達式中仍然存 在 Y10K 錯誤，因為它能匹配的最大可能的年份為 9999。
匹配整數
正如您在前幾個示例中看到的，使用方括號中的范圍可以很好地匹配數值。
要匹配任意長度的整數，可以在數值范圍後面加上 +；要包括負值，可以在它的前面加上可選的負號 （連字號）匹配：
-?[0-9]+
前面的例子可以匹配 0，因為 0 是指定范圍中可選的字符。
對於數值匹配，使用圓括號將某些部分括起來也非常有效。要匹配任意的十進制數值，可以使用包含 小數點加上一個或多個數值的可選圍繞字符，以此對前面的正則表達式進行擴展：
-?[0-9]+(\.[0-9]+)?
可以使用方括號指定十進制數值的小數位數。例如，要匹配小數位數為 5 或更多小數位數的正數值， 可以使用下面的表達式：
[^-][0-9]+\.([0-9]){5,}
更多實際的匹配
范圍加上使用括號括起來的元字符，在查找符合任何特定格式的數值時非常有用。將前面介紹的一些 技術結合起來，可以構建匹配各種數據的正則表達式：
要匹配美國的電話號碼，可以使用：
((\([2-9][0-9]{2}\))?\ ?|[2-9][0-9]{2}(?:\-?|\ ?))[2-9][0-9]{2}[- ]?[0-9]{4}
這個正則表達式可以匹配美國 15 種格式的電話號碼：
(NPA) PRE-SUFF
(NPA) PRE SUFF
(NPA) PRESUFF
(NPA)PRE-SUFF
(NPA)PRE SUFF
(NPA)PRESUFF
NPA PRE-SUFF
NPA PRE SUFF
NPA PRESUFF
NPAPRE-SUFF
NPAPRE SUFF
NPAPRESUFF
PRE-SUFF
PRE SUFF
PRESUFF
它還可以匹配美國免費 WATS 號碼，盡管 1-800 的“1-”前綴或其他的免費號碼不是匹配 的一部分，但它本身可以匹配 10 位的數值。對於以 1 或 1+ 開頭的美國號碼和任意數目的空格，也完 全一樣，長途電話撥號前綴本身無法匹配，但是只要它後面跟著實際的號碼，這個正則表達式就能夠將其 找出來。
要匹配兩或三位域的電子郵件地址，可以嘗試下面的表達式：
\<[^@]+\>@[a-zA-Z_\.]+?\.[a-zA-Z]{2,3}
要匹配如今所有流行的 URL，可以使用下面的正則表達式：
(((http(s)?|ftp|telnet|news)://|mailto:)[^\(\)[:space:]]+)
這個表達式可以正常運行，但是匹配 URL 並不像您想象的那麼簡單。匹配任何可能的 URL 的正 則表達式，如 RFC 1738 中的定義，發表在“Regexp for URLs”（請參見參考資料部分）一 文中，它非常巨大並且看起來令人生畏。現在應該將它合並為一個 [:url:] 類（如果有用於處理類似數 據種類的各種新的類，如 [:email:]，那就好了）。
結束語
本文涉及到一些用於編寫正則表達式的模式構建技術，以及如何使用它們來完成管理員時常碰到的特 定類型數據匹配的工作。在此過程中，向您介紹了大量有價值的實際正則表達式，您可以將它們添加到自 己的管理工具庫中。
